以PLM管理机制提升新产品闭环管控能力

随着全业务时代的到来，市场的同质化竞争愈演愈烈，客户的个性化需求越来越多，而由于新业务、新产品具有多样性和创新性特点，导致其投资的不确定性越来越大。为了应对环境变化带来的不确定性，规避投资风险，科学引导新业务、新产品的投资与建设，需要引入(产品生命周期管理)技术，建立以客户需求为导向，适应未来新业务、新产品发展的科学化和智能化管控模型。

PLM是指对产品从规划、设计、生产、使用、维护到回收的整个生命周期中产生的所有数据和过程进行管理。目前，大部分通信企业都拥有自己的产品管理系统，这些系统虽然或多或少地具有部分管理功能，并能在一定程度上保证ERP所需数据的准确性，但从来没有一个产品管理系统可以有效地跟踪和管理产品的建设、质量以及售后服务数据，并且在更改管理和产品设计的支持上，仅仅实现了研发数据发放和配置管理，并没有把产品问题反馈、客户建议等更有价值的需求纳入系统管理和前期投资决策中。本文探讨的PLM重点在两个阶段，即产品前期的前评估——投资决策阶段的智能决策，以及产品后期的后评估—运营管理阶段的评估反馈。

产品前期：投资决策阶段的智能决策

新产品的投资决策阶段是最难管控的阶段。通信行业新产品的多样性和创新性特点，导致其投资的不确定性越来越大，但是在传统算法中，一些重要的定性因素被忽略了。为此，笔者建议在新产品投资决策阶段引入BP神经网络理论，将新产品项目的投资决策与项目需求、效益、风险、资源等因素结合起来，构建非线性函数的智能化、动态闭环的新业务投资决策模糊评价模型。需要强调的是，该阶段需要实施PLM协同，包括应用CRM(客户关系管理)得到市场和用户的需求信息，以及以流程管理协同互联网环境、企业的合作者、ERP等，以获取模糊评价系统需要的其他评价参数，保证整个投资决策模型的准确性与合理性。新业务投资决策模糊评价指标体系见表1。

表1 新业务投资决策模糊评价指标体系

决策模糊评价模型的原理如下：以新业务整体投资评估为学习准则，正向输入投资占收比、收入增长率、指标权重等相关参数。通过代表性新业务项目投资评估的验证向模型反向传播参数误差;通过新业务项目的实践，不断提高模型精度，为进一步提高新业务投资的准确性，规避投资风险提供有力的支撑。

模型建立以后，应用BP神经网络算法，新产品的投资决策判断就变得非常简单且容易操作。具体操作流程如下：

(1)输入项目的基本信息，包括项目投资、收入、成本等。

(2)根据正向输入的模型相关参数(即学习准则)和项目基本信息，由系统应用BP神经网络算法，自动进行经济效益的智能化测算和定量评估指标的评分。

(3)由各部门不同级别的人员分别对项目投资决策定性指标打分，由系统应用BP神经网络算法，根据不同部门和人员的权重，自动计算各指标的最后分值以及项目总评分值。

(4)根据评分结果进行不同方案的优劣对比。

产品后期：运营管理阶段的评估反馈

如何有效地评估一款产品运营的成败呢?笔者认为应从以下两个方面进行评估：一是产品的经济效益，即是否产生了应有的经济效益或者带来了用户的增加;二是影响产品运营成败的关键因素，即哪些因素导致了产品运营的成功或失败。

为此，构建运营管理阶段的评估反馈机制需要从产品运营效果评估和产品运营效果影响因子分析两个方面入手。

(1)产品运营效果评估

评估一款产品运营成功与否，既要考虑到产品运营的“过去”，也要考虑到产品运营的“未来”;既要考虑到产品运营的直接经济效益，又要考虑到间接效益。笔者综合了一些电信企业项目后评估体系的经验和特点，构建了产品运营效果评估指标体系(见表2)。

表2 产品运符效果评估指标体系

(2)产品运营效果影响因子分析

究竟是哪些影响因子影响了产品的运营效果呢?笔者以为，产品从需求提出到最后运营是一项复杂的系统工程，每个环节都可能影响到产品运营的最终结果。因此，需要从产品整个生命周期的各个环节设置评估指标(详见表3)。

表3 产品运营故果影响因子评估指标体系

同样，构建了运营管理阶段的评估指标体系后，对新产品的评估反馈也变得容易了。具体操作流程如下：

(1)输入产品基本信息。

(2)进行产品运营效果评估。此时，系统会根据输入的产品基本信息，按照一定的规则自动生成产品运营效果评估后的评估结果。

(3)进行产品运营效果影响因子评估。根据(2)的测算结果，系统会自动提示是否需要进行(3)。笔者以为，如果认为产品运营效果较好，可以不进行(3);如果产品运营效果较差，则一定要进行(3)，以便找出影响产品效果的真正原因。

(4)产品运营结果评估结论。根据(2)和(3)的评估情况，模型会给出评估的最终结果。